MétaCan
Menu
Retour à la cohorte
Enregistrement W4404505331 · doi:10.60101/rmuttgber.2024.281400

แนวทางการจดการเพอเพมสทธประโยชนกรณชราภาพสำหรบผประกนตน ในกองทนประกนสงคม ในประเทศไทย

2024· article· th· W4404505331 sur OpenAlexaff
นันทชัย ปัญญาสุรฤทธิ์, วรรณวิภา ไตลังคะ, อนันต์ ธรรมชาลัย

Notice bibliographique

RevueRMUTT Global Business and Economics Review · 2024
Typearticle
Langueth
DomaineSocial Sciences
ThématiquePolicy Transfer and Learning
Établissements canadiensScience North
Organismes subventionnairesnon disponible
Mots-clésPsychology

Résumé

récupéré en direct d'OpenAlex

งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาสภาพและปัญหาในการดำเนินงานของกองทุนประกันสังคมในประเทศไทย รวมถึงนำเสนอแนวทางการจัดการเพื่อเพิ่มสิทธิประโยชน์ในกรณีชราภาพสำหรับผู้ประกันตนในกองทุนประกันสังคมให้สอดคล้องกับสภาพค่าครองชีพและความจำเป็นในการดำรงชีวิตของผู้ประกันตน ทั้งนี้ยังมีการนำเสนอจำนวนเงินที่สำนักงานประกันสังคมควรกำหนดเป็นเพดานเงินออมสูงสุด การวิจัยครั้งนี้เป็นการวิจัยเชิงคุณภาพโดยใช้เทคนิคเดลฟายในการวิเคราะห์ข้อมูล โดยมีผู้ให้ข้อมูลหลักที่เกี่ยวข้องกับกองทุนประกันสังคมจำนวน 25 คน ซึ่งได้ถูกเลือกโดยเฉพาะ ผลการวิจัยสรุปได้ว่า 1) การดำเนินงานของกองทุนประกันสังคมควรเพิ่มสิทธิประโยชน์ในกรณีชราภาพให้กับผู้ประกันตน โดยเหตุผลสำคัญคือค่าครองชีพของผู้ประกันตนในแต่ละพื้นที่ซึ่งเปลี่ยนแปลงไปตามที่อยู่อาศัยของผู้ประกันตน 2) แนวทางการเพิ่มสิทธิประโยชน์ในกรณีชราภาพสำหรับผู้ประกันตน พบว่าควรพิจารณาจาก 4 ประการ ได้แก่ 2.1) สวัสดิการควรครอบคลุมความต้องการพื้นฐานและช่วยพัฒนาคุณภาพชีวิตอย่างเป็นธรรม 2.2) รัฐควรเป็นผู้ให้สวัสดิการแก่ประชาชน 2.3) ผู้สูงอายุควรดำรงชีวิตด้วยศักดิ์ศรีและความปลอดภัย 2.4) ควรเพิ่มเบี้ยยังชีพให้แก่ผู้สูงอายุอย่างเท่าเทียมในทุกวัย สำหรับสิทธิประโยชน์อื่น ๆ ยังไม่ควรเพิ่มในขณะนี้ เนื่องจากเงินสมทบสูงสุดที่เก็บอยู่ในปัจจุบันเพียง 15,000 บาท ซึ่งถือว่าต่ำ และเพิ่งได้รับการปรับเพิ่มตามกฎกระทรวงแรงงานในปี พ.ศ. 2565 3) มีการเสนอแนะว่าควรเพิ่มเพดานเงินสมทบสูงสุด

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,170
Score d'incertitude au seuil0,568

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0070,004
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,1700,115

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,030
Tête enseignante GPT0,333
Écart entre enseignants0,303 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRMUTT Global Business and Economics ReviewMême sujetPolicy Transfer and LearningTravaux en français237 207